[论文解读] Time-Series Classification Through Histograms of Symbolic Polynomials

Josif Grabocka, Martin Wistuba+1 more|arXiv (Cornell University)|Jul 24, 2013

Time Series Analysis and Forecasting参考文献 25被引用 9

一句话总结

该论文提出 SymPol，一种新颖的时间序列分类方法，通过在滑动窗口内拟合多项式函数来检测长时序数据中的局部模式，利用等体积直方图将系数离散化为符号词，并构建这些词的频率直方图以实现分类。该方法在所有测试数据集上均达到最先进（SOTA）的准确率，包括在 ECG2 数据集上实现 100% 的准确率，相较于基线方法具有统计上显著的性能提升，并具备线性时间复杂度。

ABSTRACT

Time-series classification has attracted considerable research attention due to the various domains where time-series data are observed, ranging from medicine to econometrics. Traditionally, the focus of time-series classification has been on short time-series data composed of a unique pattern with intraclass pattern distortions and variations, while recently there have been attempts to focus on longer series composed of various local patterns. This study presents a novel method which can detect local patterns in long time-series via fitting local polynomial functions of arbitrary degrees. The coefficients of the polynomial functions are converted to symbolic words via equivolume discretizations of the coefficients' distributions. The symbolic polynomial words enable the detection of similar local patterns by assigning the same words to similar polynomials. Moreover, a histogram of the frequencies of the words is constructed from each time-series' bag of words. Each row of the histogram enables a new representation for the series and symbolize the existence of local patterns and their frequencies. Experimental evidence demonstrates outstanding results of our method compared to the state-of-art baselines, by exhibiting the best classification accuracies in all the datasets and having statistically significant improvements in the absolute majority of experiments.

研究动机与目标

• 为解决现有方法在处理由多个局部模式组成的长时序数据时面临的分类挑战。
• 开发一种能够高效且富有表现力地捕捉局部多项式结构的方法，超越基于常数的模式表示方法。
• 通过使用线性时间多项式拟合算法和基于直方图的表示方法，实现快速且可扩展的分类。
• 在具有可变局部模式的复杂长时序数据上，相较于最先进方法显著提升分类准确率。
• 通过保持较低的计算开销，确保方法在实际应用中的可行性，即使其表达能力更强。

提出的方法

• 该方法在归一化的时间序列片段上应用滑动窗口，对任意阶次的多项式函数进行拟合。
• 使用其经验分布的等体积直方图离散化方法，将每个窗口中的多项式系数转换为符号词。
• 根据系数在分布中的百分位数排名，将每个系数映射为一个字母，从而形成每个多项式的符号词。
• 为每条时间序列构建词袋表示，随后对所有序列中的词频构建直方图。
• 将直方图的每一行作为最终的特征表示，用于基于动态时间规整（DTW）的最近邻分类。
• 采用线性时间算法计算滑动窗口上的多项式拟合，确保整体时间复杂度为 O(n)，且常数因子较小。

实验结果

研究问题

• RQ1 符号多项式表示能否提升对具有多个局部模式的长时序数据的分类准确率？
• RQ2 基于多项式的方法是否在捕捉复杂局部结构方面优于基于常数的方法（如 BSAX）？
• RQ3 符号多项式词的直方图能否在保持低计算成本的同时实现高准确率？
• RQ4 该方法的性能对超参数选择（如窗口大小、多项式阶次和字母表大小）的敏感性如何？
• RQ5 该方法在实际时间序列分类任务中是否具备足够的实用性与效率？

主要发现

• SymPol 在 ECG2 数据集上实现了 100% 的分类准确率，优于所有基线方法。
• 在 GAITPD 数据集上，SymPol 相较于最接近的基线方法将误差降低了 57%。
• 在 RATBP 数据集上，SymPol 相较于次优方法将误差降低了 29%。
• 在四个数据集中的三个上，该方法表现出统计上显著的性能提升，且所有胜出结果在五折交叉验证中均保持一致。
• 运行时性能表现实用，接近最快的方法，仅比单次扫描技术（如 BSAX）多出少量常数因子开销。
• 通过网格搜索进行的超参数搜索成功定位到全局最优解，表现为误差率的非线性敏感性。